CN110033156A - 一种业务活动效果的确定方法及装置 - Google Patents

Abstract

本说明书提供一种业务活动效果的确定方法及装置，利用参加业务活动的用户、未参加业务活动的用户的业务活动特征信息，分别计算出参加业务活动的用户、未参加业务活动的用户的倾向分。基于计算出的倾向分，进行分层抽样，筛选出参加业务活动的用户的同质用户群，即获得实验组用户和对照组用户，分别根据实验组用户、对照组用户的行为信息，确定出业务活动的效果。不直接使用参加业务活动的用户与未参加业务活动的用户进行营销效果的评估，而是选取参加业务活动的用户的同质用户人群来做比较，同质用户人群与参加业务活动的用户的特征比较相近，使得业务活动效果的评估更加合理，提高了业务活动效果评估结果的准确性。

Description

一种业务活动效果的确定方法及装置

技术领域

本说明书属于计算机技术领域，尤其涉及一种业务活动效果的确定方法及装置。

背景技术

随着互联网、计算机技术的发展，使用各种业务活动即营销手段进行商品或业务推广的越来越多，各种业务活动的效果评估是商家或用户面临的一项重要问题。

现有技术中，对于业务活动的效果评估通常采用事前AB测试(AB Testing)的方式，AB测试可以表示为优化同一个目标，在同一时间维度，让一部分用户使用A方案，另一部用户使用B方案，统计对比不同方案的用户体验数据和业务数据，最后分析评估出最好方案。但是，参与业务活动的用户与不参与活动的用户是不同的，直接使用参与业务活动的用户的数据与不参与业务活动的用户的数据进行比较，来评估业务活动的效果，可能会影响业务活动效果评估的准确性。并且，有些情况无法进行事前AB测试，如：整个城市都要进行业务活动，很难流出一小部分流量做AB测试，可能会影响业务活动效果的评估。

发明内容

本说明书目的在于提供一种业务活动效果的确定方法及装置，提高了业务活动效果评估结果的准确性。

一方面本说明书实施例提供了一种业务活动效果的确定方法，包括：

获取用户的业务活动特征信息，所述用户包括：参加业务活动的用户、未参加业务活动的用户；

根据所述业务活动特征信息，利用构建的倾向分评估模型，确定所述用户的倾向分；

根据所述倾向分进行分层抽样，分别获得实验组用户和对照组用户，所述实验组用户为参加业务活动的用户，所述对照组用户为所述参加业务活动的用户的同质人群用户；

根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果。

另一方面，本说明书提供了一种业务活动效果的确定装置，包括：

特征信息获取模块，用于获取用户的业务活动特征信息，所述用户包括：参加业务活动的用户、未参加业务活动的用户；

倾向分确定模块，用于根据所述业务活动特征信息，利用构建的倾向分评估模型，确定所述用户的倾向分；

用户分组模块，用于根据所述倾向分进行分层抽样，分别获得实验组用户和对照组用户，所述实验组用户为参加业务活动的用户，所述对照组用户为所述参加业务活动的用户的同质人群用户；

效果评估模块，用于根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果。

还一方面，本说明书提供了业务活动效果确定的处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例中的业务活动效果的确定方法。

再一方面，本说明书提供了一种业务活动效果的确定系统，包括至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现本说明书实施例中的业务活动效果的确定方法。

本说明书提供的业务活动效果的确定方法、装置、处理设备、系统，利用参加业务活动的用户、未参加业务活动的用户的业务活动特征信息，分别计算出参加业务活动的用户、未参加业务活动的用户的倾向分。基于计算出的倾向分，进行分层抽样，筛选出参加业务活动的用户的同质用户群，即获得实验组用户和对照组用户，分别根据实验组用户、对照组用户的行为信息，确定出业务活动的效果。不直接使用参加业务活动的用户与未参加业务活动的用户进行营销效果的评估，而是选取参加业务活动的用户的同质用户人群来做比较，同质用户人群与参加业务活动的用户的特征比较相近，使得业务活动效果的评估更加合理，提高了业务活动效果评估结果的准确性，为后续业务活动的开展提供了准确的数据基础。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本说明书一个实施例中业务活动效果的确定方法的流程示意图；

图2是本说明书一个实施例中参加业务活动和未参加业务活动的用户的倾向分的分布示意图；

图3是本说明书实施例中实验组用户和对照组用户的倾向分的分布示意图；

图4是本说明书又一个实施例中业务活动效果的确定方法的流程示意图；

图5是本说明书提供的业务活动效果的确定装置一个实施例的模块结构示意图；

图6是本说明书实施例中用户分组模块的结构示意图；

图7是本说明书实施例中效果评估模块的结构示意图；

图8是应用本申请实施例业务活动效果评估服务器的硬件结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

随着计算机和互联网技术的发展，营销方法也越来越多，用户利用不同的业务活动，进行营销，业务活动的营销效果评估，是用户进行后续业务活动的策划活或实施的数据基础。业务活动可以包括多种如：优惠活动、广告宣传等。

本说明书实施例中提供了一种业务活动效果的确定方法，利用参加业务活动的用户、未参加业务活动的用户的业务活动特征信息，分别计算出参加业务活动的用户、未参加业务活动的用户的倾向分。基于计算出的倾向分，进行分层抽样，筛选出参加业务活动的用户的同质用户群，即获得实验组用户和对照组用户，分别根据实验组用户、对照组用户的行为信息，确定出业务活动的效果。不直接使用参加业务活动的用户与未参加业务活动的用户进行营销效果的评估，而是选取参加业务活动的用户的同质用户人群来做比较，使得业务活动效果的评估更加合理，提高了业务活动效果评估结果的准确性，为后续业务活动的开展提供了准确的数据基础。

本说明书中业务活动效果的确定方法可以应用在客户端或服务器中，客户端可以是智能手机、平板电脑、智能可穿戴设备(智能手表、虚拟现实眼镜、虚拟现实头盔等)、智能车载设备等电子设备。

具体的，图1是本说明书一个实施例中业务活动效果的确定方法的流程示意图，如图1所示，本说明书一个实施例中提供的业务活动效果的确定方法的整体过程可以包括：

步骤102、获取用户的业务活动特征信息，所述用户包括：参加业务活动的用户、未参加业务活动的用户。

在具体的实施过程中，若需要对某个业务活动即营销活动进行效果评估，可以获取参加业务活动的用户的业务活动特征信息以及未参加业务活动的用户的业务活动特征信息。对于用户的选择，可以选择与业务活动相关的用户，如：业务活动为某交易网站平台的商品促销活动，则可以获取该交易网站平台的注册用户的业务活动特征信息，若业务活动为某商场的促销活动，则可以获取曾在商场进行消费或该商场周围预设距离内的用户的业务活动特征信息。用户的具体的选择方式可以根据实际需要进行选择，本说明书实施例不作具体限定。用户的数量选择也可以根据实际需要设置，本说明书实施例不作具体限定。用户的业务活动特征信息的获取方法可以通过用户在交易平台的交易记录、注册信息、浏览记录，或在用户允许的情况下获取用户的账单记录等方式获取。

业务活动特征信息可以表示与业务活动相关的一些特征信息，具体可以根据实际需要进行选择，本说明书实施例不作具体限定。如：若业务活动是某节日的商品促销活动，则业务活动特征信息可以是用户的交易信息、交易习惯、身份信息等，若业务活动是某应用的推广活动，则业务活动特征信息可以是用户的网页浏览习惯、应用下载记录等。

本说明书一些实施例中，业务活动的效果确定可以用于商品的推广或促销活动，或交易平台的宣传活动等，其中，业务活动特征信息可以包括：用户基础信息、支付活跃度信息、位置信息、交易习惯信息。用户基础信息可以包括用户的身份、年龄、学历、性别等，支付活跃度信息可以表示用户的支付频率，交易习惯信息可以表示用户的购买习惯、是否有退货记录、购买商品的类型等。此外，业务活动特征信息还可以包括场景偏好、关联用户的特征信息等，本说明书实施例不作具体限定。通过获取用户的交易相关信息，为后续用户倾向分的准确确定提供了数据基础。

步骤104、根据所述业务活动特征信息，利用构建的倾向分评估模型，确定所述用户的倾向分。

在具体的实施过程中，可以利用历史用户的数据构建出倾向分评估模型，将获取到的用户的业务活动特征信息输入到倾向分评估模型，可以确定出用户的倾向分，包括参加业务活动的用户的倾向分以及未参加业务活动的倾向分。倾向分可以理解为能够表征用户参加业务活动的可能性的分值。

其中，倾向分评估模型可以是根据先验经验确定的函数，或给予历史数据统计确定的计算规则等，本说明书实施例不作具体限定。

本说明书一些实施例中，可以采用下述方式构建倾向分评估模型：

获取训练样本数据，所述训练样本数据包括：业务活动特征信息；

将用户是否参加业务活动作为训练标签；

根据所述业务活动特征信息和所述训练标签，进行模型训练，构建所述倾向分评估模型。

在具体的实施过程中，训练样本数据可以是历史用户数据，如：过去某业务活动的用户数据，训练样本数据包括业务活动特征信息即参加业务活动的用户的业务活动特征信息，以及未参加业务活动的用户的业务活动特征信息。本说明书一些实施例中，可以对获取到的业务活动特征信息进行数据处理，如：将类别特征即离散的数据特征不做特殊处理，将连续特征进行分箱处理即离散化处理，转化为类别特征。根据实际需要还可以对获取到的数据进行其他的数据处理，方便后续的模型训练，本说明书实施例不作具体限定。

对获取到的用户的业务活动特征信息进行数据处理后，可以将用户是否参加所述业务活动作为训练标签，如：参加业务活动的标签为1，未参加业务活动的标签为0。利用处理后的业务活动特征信息以及各个用户对应的训练标签进行模型训练，构建出倾向分评估模型。本说明书一个实施例中的倾向分评估模型可以是逻辑回归模型或Xgboost(extremeGradient Boosting)模型，其中，Xgboost可以表示一个高级的梯度增强算法。

本说明书一个实施例中，用户倾向分可以表示一种条件概率即：P(label＝1|x)，其中x可以表示用户的业务活动特征信息，label可以表示训练标签，label＝1可以表示用户参加业务活动，P(label＝1|x)可以表示在已知用户的业务活动特征信息的条件下，用户参加业务活动的概率。

本说明书实施例基于样本数据中的用户的业务活动特征信息，进行模型训练，构建出倾向分评估模型，为后续用户的倾向分确定提供了理论基础。

步骤106、根据所述倾向分进行分层抽样，分别获得实验组用户和对照组用户，所述实验组用户为参加业务活动的用户，所述对照组用户为所述参加业务活动的用户的同质人群用户。

在具体的实施过程中，本说明书实施例中的同质人群可以表示与实验人群“最相似”人群。同质通常基本意味着相等，由于真实中没有一样的人群，所以本说明实施例近似为“最相似”。利用倾向分评估模型确定出用户的倾向分后，可以根据倾向分进行分层抽样，分别选取出实验组用户和对照组用户。其中，实验组用户可以表示全部或部分参加业务活动的用户，对照组用户可以表示参加业务活动的用户的同质人群用户，即未参加业务活动的用户中与参加业务活动的用户“最相似”的用户。可以根据各个用户的倾向分，选取出参加业务活动的用户的同质人群用户，如：可以将与参加业务活动的用户的倾向分的差值的绝对值小于预设阈值的未参加业务活动的用户的倾向分对应的用户作为对照组用户。例如：若有参加业务活动的用户的倾向分为0.5，预设阈值为0.01则可以将为参加业务活动的用户的倾向分在0.49～0.51的用户作为对照组用户。当然，根据实际需要，还可以采用其他的方法选取出与参加业务活动相似的未参加业务活动的用户作为对照组用户，本说明书实施例不作具体限定。

步骤108、根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果。

在具体的实施过程中，确定出实验组用户和对照组用户后，可以根据两组用户的行为信息，来确定业务活动的效果。行为信息的具体内容可以根据业务活动的需要确定，如：业务活动为商品促销，则行为信息可以是交易相关的信息，若业务活动为某应用软件的推广，则行为信息可以是应用软件的下载信息，具体可以结合实际需要确定，本说明书实施例不作具体限定。获取到两组用户的行为信息后，可以对比两个用户的行为信息，确定业务活动的效果，如：若业务活动为商品促销，可以对比业务活动开展后，两组用户的交易量的变化，确定业务活动的效果；若业务活动为某应用软件的推广，可以对比业务活动开展后，两组用户的应用下载量的变化，确定业务活动的效果。

例如：某商家为一节日推出一个商品促销活动，为评估该商品促销活动的效果，采用本说明书实施例的方法分别确定出参加该促销活动的用户和不参加该促销活动的用户的倾向分，并基于各用户的倾向分，获得实验组用户和对照组用户。获取实验组用户在该促销活动前后预设时间内的交易量差值为10000，以及对照组用户在户在该促销活动前后预设时间内的交易量差值为5000。可以看出，参加促销活动的用户的交易量差值远远大于未参加促销活动的用户的交易量差值，则可以认为该促销活动效果较好。

本说明书实施例提供的业务活动效果的确定方法，利用参加业务活动的用户、未参加业务活动的用户的业务活动特征信息，分别计算出参加业务活动的用户、未参加业务活动的用户的倾向分。基于计算出的倾向分，进行分层抽样，筛选出参加业务活动的用户的同质用户群，即获得实验组用户和对照组用户，分别根据实验组用户、对照组用户的行为信息，确定出业务活动的效果。不直接使用参加业务活动的用户与未参加业务活动的用户进行营销效果的评估，而是选取参加业务活动的用户的同质用户人群来做比较，同质用户人群与参加业务活动的用户的特征比较相近，使得业务活动效果的评估更加合理，提高了业务活动效果评估结果的准确性，为后续业务活动的开展提供了准确的数据基础。

在上述实施例的基础上，本说明书一个实施例中，所述根据所述倾向分进行分层抽样，分别获得实验组用户和对照组用户，包括：

划分倾向分区间，将倾向分处于同一倾向分区间的用户作为一组；

获取各组中参加业务活动的用户，获得实验组用户；

从每一组中抽取目标数量的未参加活动的用户，获得对照组用户，所述目标数量为同一组别中参加业务活动的用户的数量和未参加活动的用户的数量中较小的数量。

图2是本说明书一个实施例中参加业务活动和未参加业务活动的用户的倾向分的分布示意图，如图2所示，参加业务活动的用户与未参加业务活动的用户的倾向分的差异比较大。本说明书一个实施例中，在确定出各个用户的倾向分后，可以对倾向分进行区间的划分，根据各个用户的倾向分实现对用户的分组。倾向分的区间划分可以是等频划分，即每一组的用户数量相等，如：倾向分在0～1之间，用户的总量为10000，若要分为20组，则每组为500人。根据各个用户的倾向分，按照倾向分的大小进行排序，再从倾向分最小的用户开始每500人分为1组，完成用户的分组。根据实际需要，还可以采用等距划分，即相邻组的倾向分的差值相同，如：倾向分在0～1之间，若要分为20组，则可以将倾向分分为0～0.05、0.05～0.1、、、0.95～1，将倾向分在对应区间内的用户划分为一组。具体的分组方式，可以根据实际需要进行选择，本说明书实施例不作具体限定。

根据倾向分划分组别后，可以将各组中参加业务活动的用户作为实验组用户，再获取各组中目标数量的未参加活动的用户作为对照组用户。目标数量为同一组中参加业务活动的用户和未参加业务活动的用户中的较少数量，如：若第一组中有2000个参加业务活动的用户，有8000个未参加业务活动的用户，则从第一组中选取2000个未参加业务活动的用户作为对照组用户。若最后一组中，有1000个参加业务活动的用户，有500个未参加业务活动的用户，则将最后一组的500个未参加业务活动的用户均作为对照组用户。

图3是本说明书实施例中实验组用户和对照组用户的倾向分的分布示意图，如图3所示，采用本说明书实施例的分层抽样方法后，实验组用户和对照组用户的倾向分的分布很接近，可以表示两组用户对于参加活动的可能性比较接近。再基于两组用户的行为信息进行业务活动效果的评估，提高了业务活动效果评估的合理性和准确性。

在上述实施例的基础上，本说明书一个实施例中，所述根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果，包括：

根据所述实验组用户的行为信息、所述对照组用户的行为信息，计算业务活动效果的评估指标；

根据所述评估指标，计算所述业务活动的边际成本；

根据所述边际成本，确定所述业务活动的效果。

在具体的实施过程中，行为信息可以根据业务活动的内容确定，具体内容可以参考上述实施例的记载，此处不再赘述。评估指标可以表示能够评估业务活动效果的指标如：交易量差值、交易笔数差值、下载量差值、下载次数差值等，具体可以根据业务活动的内容确定，本说明书实施例不作具体限定。根据实验组用户和对照组用户的行为信息，计算出对应的评估指标后，可以利用评估指标确定出业务活动的边际成本，再根据计算出的边际成本确定业务活动的效果。边际成本可以表示每一单位新增生产的产品(或者购买的产品)带来的总成本的增量。

边际成本的计算方法可以根据实际情况设置相应的计算方法，本说明书实施例不作具体限定，例如：可以根据实验组用户和对照组用户的交易数据，计算出实验组用户相对于对照组用户每增加一笔人均交易笔数差需要的成本作为边际成本，或者每增加一个人均下载量差需要的成本作为边际成本，本说明书实施例不作具体限定。

本说明书实施例根据实验组用户和对照组用户的行为数据，计算出业务活动的边际成本，基于边际成本可以快速的评估业务活动的效果，方法简单。

在上述实施例的基础上，本说明书一个实施例中，所述根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果，包括：

获取所述业务活动开始前第一预设时间所述对照组用户和所述实验组用户的第一人均交易笔数差值；

获取所述业务活动开始后第二预设时间所述对照组用户和所述实验组用户的第二人均交易笔数差值；

根据所述第一人均交易笔数差值和所述第二人均交易笔数差值，确定所述业务活动的效果。

在具体的实施过程中，可以获取业务活动开展前第一预设时间(如：一周)实验组用户的人均交易笔数以及对照组用户的人均交易笔数，计算出实验组用户和对照组用户在业务活动开展前的第一人均交易笔数差值。还可以获取业务活动开展后第二预设时间(如：一周或两周)实验组用户的人均交易笔数以及对照组用户的人均交易笔数，计算出实验组用户和对照组用户在业务活动开展后的第二人均交易笔数差值。其中，第一预设时间和第二预设时间可以相同，也可以不同，具体的时间值可以根据实际需要进行设置，本说明书实施例不作具体限定。表1是本说明书一个实施例中评估指标的计算表格，如表1所示，实验组用户的用户数量为51960，对照组用户的用户数量为47163，其中，业务活动开始前一周对照组用户和实验组用户之间的第一人均交易笔数差值为-0.42，业务活动开始后一周对照组用户和实验组用户之间的第二人均交易笔数差值为-1.87。

表1评估指标表

可以利用第一人均交易笔数差值和第二人均交易笔数差值评估业务活动的效果，如：业务活动开展后，第二人均交易笔数差值远远大于第一人均交易笔数差值，或第二人均交易笔数差值与第一人均交易笔数差值的差大于预设阈值，则认为业务活动的效果比较好。也可以利用第一人均交易笔数差值和第二人均交易笔数差值计算出业务活动的边际成本，具体的计算方式可以根据实际需要进行设置，本说明书实施例不作具体限定。

如表1所示，本说明书一些实施例中，还可以获取业务活动开始前后第三预设时间(如1周)实验组用户的第一人均交易天数差值，以及业务活动开始前后第三预设时间对照组用户的第二人均交易天数差值。业务活动开始前后预设时间人均交易天数差值，可以表示业务活动开始前预设时间和业务活动开始后预设时间实验组用户或对照组用户的人均交易天数差值。如表1所示，可以获取业务活动开始前1周实验组用户的人均交易天数为2.61，业务活动开始后1周实验组用户的人均交易天数为2.87，则业务活动开始前后1周实验组用户的第一人均交易天数差值为-0.26。同样的，业务活动开始前后1周对照组的第二人均交易天数差值为0.30。

可以利用第一人均交易天数差值和第二人均交易天数差值评估业务活动的效果，如：业务活动开展前后，第一人均交易笔数差值的绝对值远远大于第二人均交易天数差值的绝对值，或第一人均交易笔数差值的绝对值与第二人均交易天数差值的绝对值的差大于预设阈值，则认为业务活动的效果比较好。也可以利用第一人均交易天数差值和第二人均交易天数差值计算出业务活动的边际成本，具体的计算方式可以根据实际需要进行设置，本说明书实施例不作具体限定。

如表1所示，本说明书一些实施例中，还可以获取业务活动开始前后第四预设时间实验组用户的第三人均交易笔数差值以及对照组用户的第四人均交易笔数差值。如表1所示，可以获取业务活动开始前1周实验组用户的人均交易笔数为4.73，业务活动开始后1周实验组用户的人均交易笔数为5.69，实验组用户的第三人均交易笔数差值为-0.96。同样的，可以获取业务活动开始前1周对照组用户的人均交易笔数为4.31，业务活动开始后1周对照组用户的人均交易笔数为3.82，对照组用户的第四人均交易笔数差值为0.49。

可以利用第三人均交易笔数差值和第四人均交易笔数差值评估业务活动的效果，如：业务活动开展后，第三人均交易笔数差值远远大于第四人均交易笔数差值，或第三人均交易笔数差值与第四人均交易笔数差值的差大于预设阈值，则认为业务活动的效果比较好。也可以利用第三人均交易笔数差值和第四人均交易笔数差值计算出业务活动的边际成本，具体的计算方式可以根据实际需要进行设置，本说明书实施例不作具体限定。

需要说明的是，本说明书实施例中第一预设时间、第二预设时间、第三预设时间、第四预设时间的取值可以根据实际需要进行设置，并且各个预设时间可以相同可以不同，本说明书实施例不作具体限定。

如表1所示，本说明书一些实施例中，可以同时计算出上述实施例中的第一人均交易笔数差值、第二人均交易笔数差值、第三人均交易笔数差值、第四人均交易笔数差值、第一人均交易天数差值、第一人均交易天数差值作为评估指标，利用业务活动投入的营销成本，计算出业务活动的边际成本，具体的计算方式，可以根据实际情况进行设置，本说明书实施例不作具体限定。

本说明书实施例基于业务活动开展前后两组用户的人均交易笔数差值，人均交易天数差值、以及业务活动开展前后各组的人均交易笔数差值，可以直观地看出业务活动的效果，实现业务活动效果的快速确定。

图4是本说明书又一个实施例中业务活动效果的确定方法的流程示意图，下面结合图4具体说明本说明书实施例提供的业务活动效果的确定的技术方案：

本说明书实施例的业务活动效果的确定方法主要包括：机器学习模型+分层采样+效果分析三部分组成，如图4所示，利用机器学习模型可以采用逻辑回归、Xgboost求出倾向分，并对倾向分进行分层采样，得到实验组用户、对照组用户，根据对照组用户、实验组用户做科学地营销活动效果分析。下面是具体的各个步骤：

1、训练数据准备：首先清洗用户的特征即业务活动特征信息，包含用户的基础信息，支付活跃度，地理位置，场景偏好等各种信息，类别特征不做特殊处理，连续特征做分箱处理，转换成类别特征。其次定义用户是否参加活动为训练标签，如：参加活动为1，不参加活动为0。

2、如图4所示，获得训练数据后，使用逻辑回归或Xgboost模型对数据进行训练，模型融合得出每个用户的倾向分。

3、对有活动的用户(参加业务活动的用户)和无活动的用户(即未参加业务活动的用户)的倾向分数进行分层采样，得到有活动人群的同质人群，定为对照组用户，有活动人群即为实验组用户。做分层采样的意义是：如图2所示，有无活动人群的倾向分分数差异很大，如图3所示，进行分层采样后使得有无活动人群在模型分数分布上十分接近。

4、分别计算出实验组用户与对照组用户前后一周交易笔数差、前后一周交易笔数差等评估指标。

5、利用对照组用户、实验组用户的各个评估指标计算出边际成本，边际成本定义：实验组相对对照组每增加一笔人均交易笔数差需要多少成本，可以将此流程拓展到多活动中。

本说明书实施例，通过在事后获得参与活动的营销人群，并找出参与活动的营销人群的同质人群，通过同质人群以及参与活动的营销人群的信息对比，以精确的测算营销活动的价值。

本说明书中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参加即可，每个实施例重点说明的都是与其他实施例的不同之处。相关之处参加方法实施例的部分说明即可。

基于上述所述的业务活动效果的确定方法，本说明书一个或多个实施例还提供一种业务活动效果的确定装置。所述的装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参加前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

具体地，图5是本说明书提供的业务活动效果的确定装置一个实施例的模块结构示意图，如图5所示，本说明书中提供的业务活动效果的确定装置包括：特征信息获取模块51、倾向分确定模块52、用户分组模块53、效果评估模块54，其中：

特征信息获取模块51，可以用于获取用户的业务活动特征信息，所述用户包括：参加业务活动的用户、未参加业务活动的用户；

倾向分确定模块52，可以用于根据所述业务活动特征信息，利用构建的倾向分评估模型，确定所述用户的倾向分；

用户分组模块53，可以用于根据所述倾向分进行分层抽样，分别获得实验组用户和对照组用户，所述实验组用户为参加业务活动的用户，所述对照组用户为所述参加业务活动的用户的同质人群用户；

效果评估模块54，可以用于根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果。

本说明书实施例提供的业务活动效果的确定装置，利用参加业务活动的用户、未参加业务活动的用户的业务活动特征信息，分别计算出参加业务活动的用户、未参加业务活动的用户的倾向分。基于计算出的倾向分，进行分层抽样，筛选出参加业务活动的用户的同质用户群，即获得实验组用户和对照组用户，分别根据实验组用户、对照组用户的行为信息，确定出业务活动的效果。不直接使用参加业务活动的用户与未参加业务活动的用户进行营销效果的评估，而是选取参加业务活动的用户的同质用户人群来做比较，同质用户人群与参加业务活动的用户的特征比较相近，使得业务活动效果的评估更加合理，提高了业务活动效果评估结果的准确性，为后续业务活动的开展提供了准确的数据基础。

在上述实施例的基础上，所述特征信息获取模块获取的所述业务活动特征信息包括：用户基础信息、支付活跃度信息、位置信息、交易习惯信息。

本说明书实施例提供的业务活动效果的确定装置，通过获取用户的交易相关信息，为后续用户倾向分的准确确定提供了数据基础。

图6是本说明书实施例中用户分组模块的结构示意图，如图6所示，在上述实施例的基础上，所述用户分组模块53包括：

分层单元61，可以用于划分倾向分区间，将倾向分处于同一倾向分区间的用户作为一组；

实验组确定单元62，可以用于获取各组中参加业务活动的用户，获得实验组用户；

对照组确定单元63，可以用于从每一组中抽取目标数量的未参加活动的用户，获得对照组用户，所述目标数量为同一组别中参加业务活动的用户的数量和未参加活动的用户的数量中较小的数量。

本说明书实施例提供的分层抽样方法后，实验组用户和对照组用户的倾向分分布很接近，可以表示两组用户对于参加活动的可能性比较接近。再基于两组用户的行为信息进行业务活动效果的评估，提高了业务活动效果评估的合理性和准确性。

图7是本说明书实施例中效果评估模块的结构示意图，如图7所示，在上述实施例的基础上，所述效果评估模块54包括：

评估指标计算单元71，可以用于根据所述实验组用户的行为信息、所述对照组用户的行为信息，计算业务活动效果的评估指标；

边际成本计算单元72，可以用于根据所述评估指标，计算所述业务活动的边际成本；

效果评估单元73，可以用于根据所述边际成本，确定所述业务活动的效果。

本说明书实施例，根据实验组用户和对照组用户的行为数据，计算出业务活动的边际成本，基于边际成本可以快速的评估业务活动的效果，方法简单。

在上述实施例的基础上，所述效果评估模块具体用于：

获取所述业务活动开始前第一预设时间所述对照组用户和所述实验组用户的第一人均交易笔数差值；

获取所述业务活动开始后第二预设时间所述对照组用户和所述实验组用户的第二人均交易笔数差值；

根据所述第一人均交易笔数差值和所述第二人均交易笔数差值，确定所述业务活动的效果。

在上述实施例的基础上，所述效果评估模块具体用于：

获取所述业务活动开始前后第三预设时间所述实验组用户的第一人均交易天数差值；

获取所述业务活动开始前后第三预设时间所述对照组用户的第二人均交易天数差值；

根据所述第一人均交易天数差值和所述第二人均交易天数差值，确定所述业务活动的效果。

在上述实施例的基础上，所述效果评估模块具体用于：

获取所述业务活动开始前后第四预设时间所述实验组用户的第三人均交易笔数差值；

获取所述业务活动开始前后第四预设时间所述对照组用户的第四人均交易笔数差值；

根据所述第三人均交易笔数差和所述第四人均交易笔数差，确定所述业务活动的效果。

本说明书实施例，基于业务活动开展前后两组用户的人均交易笔数差值，人均交易天数差值、以及业务活动开展前后各组的人均交易笔数差值，可以直观可看出业务活动的效果，实现业务活动效果的快速确定。

在上述实施例的基础上，所述装置还包括模型训练模块用于采用下述方法构建所述倾向分评估模型：

获取训练样本数据，所述训练样本数据包括：业务活动特征信息；

将用户是否参加业务活动作为训练标签；

根据所述业务活动特征信息和所述训练标签，进行模型训练，构建所述倾向分评估模型。

本说明书实施例，基于样本数据中的用户的业务活动特征信息，进行模型训练，构建出倾向分评估模型，为后续用户的倾向分确定提供了理论基础。

需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

本说明书实施例还提供一种业务活动效果确定的处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述实施例的业务活动效果的确定方法，如：

获取用户的业务活动特征信息，所述用户包括：参加业务活动的用户、未参加业务活动的用户；

根据所述业务活动特征信息，利用构建的倾向分评估模型，确定所述用户的倾向分；

根据所述倾向分进行分层抽样，分别获得实验组用户和对照组用户，所述实验组用户为参加业务活动的用户，所述对照组用户为所述参加业务活动的用户的同质人群用户；

根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果。

所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。

需要说明的，上述所述的处理设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

本说明书提供的业务活动效果的确定系统可以为单独的业务活动效果的确定系统，也可以应用在多种数据分析处理系统中。所述系统可以包括上述实施例中任意一个业务活动效果的确定装置。所述的系统可以为单独的服务器，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述核对差异数据的检测系统可以包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。

本说明书实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图8是应用本申请实施例业务活动效果评估服务器的硬件结构框图。如图8所示，服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本邻域普通技术人员可以理解，图8所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器10还可包括比图8中所示更多或者更少的组件，例如还可以包括其他的处理硬件，如数据库或多级缓存、GPU，或者具有与图8所示不同的配置。

存储器200可用于存储应用软件的软件程序以及模块，如本说明书实施例中的业务活动效果的确定方法对应的程序指令/模块，处理器100通过运行存储在存储器200内的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器200可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器200可进一步包括相对于处理器100远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输模块300包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块300可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。

本说明书实施例提供的上述业务活动效果的确定方法或装置可以在计算机中由处理器执行相应的程序指令来实现，如使用windows操作系统的c++语言在PC端实现、linux系统实现，或其他例如使用android、iOS系统程序设计语言在智能终端实现，以及基于量子计算机的处理逻辑实现等。

需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照对应方法实施例的描述，在此不作一一赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参加即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参加方法实施例的部分说明即可。

本说明书实施例并不局限于必须是符合行业通信标准、标准计算机数据处理和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书实施例的可选实施方案范围之内。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

本发明是参照根据本发明实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储、石墨烯存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参加即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参加方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本说明书一个或多个实施例的实施例而已，并不用于限制本本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在权利要求范围之内。

Claims (18)

1.一种业务活动效果的确定方法，包括：

获取用户的业务活动特征信息，所述用户包括：参加业务活动的用户、未参加业务活动的用户；

根据所述业务活动特征信息，利用构建的倾向分评估模型，确定所述用户的倾向分；

根据所述倾向分进行分层抽样，分别获得实验组用户和对照组用户，所述实验组用户为参加业务活动的用户，所述对照组用户为所述参加业务活动的用户的同质人群用户；

根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果。

2.如权利要求1所述的方法，所述业务活动特征信息包括：用户基础信息、支付活跃度信息、位置信息、交易习惯信息。

3.如权利要求1所述的方法，所述根据所述倾向分进行分层抽样，分别获得实验组用户和对照组用户，包括：

划分倾向分区间，将倾向分处于同一倾向分区间的用户作为一组；

获取各组中参加业务活动的用户，获得实验组用户；

从每一组中抽取目标数量的未参加活动的用户，获得对照组用户，所述目标数量为同一组别中参加业务活动的用户的数量和未参加活动的用户的数量中较小的数量。

4.如权利要求1所述的方法，所述根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果，包括：

根据所述实验组用户的行为信息、所述对照组用户的行为信息，计算业务活动效果的评估指标；

根据所述评估指标，计算所述业务活动的边际成本；

根据所述边际成本，确定所述业务活动的效果。

5.如权利要求1所述的方法，所述根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果，包括：

获取所述业务活动开始前第一预设时间所述对照组用户和所述实验组用户的第一人均交易笔数差值；

获取所述业务活动开始后第二预设时间所述对照组用户和所述实验组用户的第二人均交易笔数差值；

根据所述第一人均交易笔数差值和所述第二人均交易笔数差值，确定所述业务活动的效果。

6.如权利要求1所述的方法，所述根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果，包括：

获取所述业务活动开始前后第三预设时间所述实验组用户的第一人均交易天数差值；

获取所述业务活动开始前后第三预设时间所述对照组用户的第二人均交易天数差值；

根据所述第一人均交易天数差值和所述第二人均交易天数差值，确定所述业务活动的效果。

7.如权利要求1所述的方法，所述根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果，包括：

获取所述业务活动开始前后第四预设时间所述实验组用户的第三人均交易笔数差值；

获取所述业务活动开始前后第四预设时间所述对照组用户的第四人均交易笔数差值；

根据所述第三人均交易笔数差和所述第四人均交易笔数差，确定所述业务活动的效果。

8.如权利要求1所述的方法，所述倾向分评估模型采用下述方法构建：

获取训练样本数据，所述训练样本数据包括：业务活动特征信息；

将用户是否参加业务活动作为训练标签；

根据所述业务活动特征信息和所述训练标签，进行模型训练，构建所述倾向分评估模型。

9.一种业务活动效果的确定装置，包括：

特征信息获取模块，用于获取用户的业务活动特征信息，所述用户包括：参加业务活动的用户、未参加业务活动的用户；

倾向分确定模块，用于根据所述业务活动特征信息，利用构建的倾向分评估模型，确定所述用户的倾向分；

用户分组模块，用于根据所述倾向分进行分层抽样，分别获得实验组用户和对照组用户，所述实验组用户为参加业务活动的用户，所述对照组用户为所述参加业务活动的用户的同质人群用户；

效果评估模块，用于根据所述实验组用户的行为信息、所述对照组用户的行为信息，确定所述业务活动的效果。

10.如权利要求9所述的装置，所述特征信息获取模块获取的所述业务活动特征信息包括：用户基础信息、支付活跃度信息、位置信息、交易习惯信息。

11.如权利要求9所述的装置，所述用户分组模块包括：

分层单元，用于划分倾向分区间，将倾向分处于同一倾向分区间的用户作为一组；

实验组确定单元，用于获取各组中参加业务活动的用户，获得实验组用户；

对照组确定单元，用于从每一组中抽取目标数量的未参加活动的用户，获得对照组用户，所述目标数量为同一组别中参加业务活动的用户的数量和未参加活动的用户的数量中较小的数量。

12.如权利要求9所述的装置，所述效果评估模块包括：

评估指标计算单元，用于根据所述实验组用户的行为信息、所述对照组用户的行为信息，计算业务活动效果的评估指标；

边际成本计算单元，用于根据所述评估指标，计算所述业务活动的边际成本；

效果评估单元，用于根据所述边际成本，确定所述业务活动的效果。

13.如权利要求9所述的装置，所述效果评估模块具体用于：

获取所述业务活动开始前第一预设时间所述对照组用户和所述实验组用户的第一人均交易笔数差值；

获取所述业务活动开始后第二预设时间所述对照组用户和所述实验组用户的第二人均交易笔数差值；

根据所述第一人均交易笔数差值和所述第二人均交易笔数差值，确定所述业务活动的效果。

14.如权利要求9所述的装置，所述效果评估模块具体用于：

获取所述业务活动开始前后第三预设时间所述实验组用户的第一人均交易天数差值；

获取所述业务活动开始前后第三预设时间所述对照组用户的第二人均交易天数差值；

根据所述第一人均交易天数差值和所述第二人均交易天数差值，确定所述业务活动的效果。

15.如权利要求9所述的装置，所述效果评估模块具体用于：

获取所述业务活动开始前后第四预设时间所述实验组用户的第三人均交易笔数差值；

获取所述业务活动开始前后第四预设时间所述对照组用户的第四人均交易笔数差值；

根据所述第三人均交易笔数差和所述第四人均交易笔数差，确定所述业务活动的效果。

16.如权利要求9所述的装置，所述装置还包括模型训练模块用于采用下述方法构建所述倾向分评估模型：

获取训练样本数据，所述训练样本数据包括：业务活动特征信息；

将用户是否参加业务活动作为训练标签；

根据所述业务活动特征信息和所述训练标签，进行模型训练，构建所述倾向分评估模型。

17.一种业务活动效果确定的处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-8任一项所述的方法。

18.一种业务活动效果的确定系统，包括至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-8任一项所述的方法。